茶芽检测识别是实现茶芽采摘自动化和智能化的基础。针对复杂背景中传统茶芽检测方法准确率低、稳定性差等问题，提出一种基于深度学习的茶芽检测方法。以YOLOv5(You Only Look Once)算法为框架，通过引入坐标注意力机制和使用RepVGG重构卷积块的方式改进算法，提升茶芽检测性能。结果表明，使用改进后的模型的茶芽检测准确率为86。48％，精确率为85。1％，召回率为78。41％，参数量为5500541，模型大小为11。3MB。相比于改进前的算法，该方法不仅具有更高的检测精度，还有效降低了模型的大小，可以很好地应用于复杂背景茶芽检测中，并为嵌入式设备研究提供支持和参考。
万方数据
维普
